问财量化选股策略逻辑
选股逻辑：振幅大于1、K线小于20、收盘价在<boll(upper值)且收盘价>boll(mid值)范围内。
选股逻辑分析
该选股逻辑主要从技术面指标入手，考虑了股票振幅、K线以及Bollinger Bands指标，可以筛选出技术面表现良好的股票。
有何风险？
该选股逻辑只考虑了技术面指标，忽略了股票的基本面和财务状况等因素，存在风险。同时，Bollinger Bands指标的应用也需要具有一定的经验和技巧，可能存在选错或漏选的情况。
如何优化？
可以加入其他技术指标，如RSI、MACD等，或者结合基本面和财务数据等多种因素进行选股。同时，需要对Bollinger Bands指标的应用有更深入的了解和掌握，避免选漏或选错。
最终的选股逻辑
改进后的选股逻辑如下：
- 振幅大于1；
- K线小于20；
- 收盘价在Bollinger Bands的合理范围内；
- 综合考虑多个技术指标和基本面、财务数据等多个因素；
- 限制风险，保证投资安全。
同花顺指标公式代码参考
以下是在同花顺上实现该选股策略的指标公式代码：
CLOSE_IN_RANGE := (CLOSE > BOLL(2, 20) AND CLOSE <= BOLL(0, 20));
SELECTOR1 := ((HIGH - LOW) / C) > 0.01;
SELECTOR2 := C < 20;
RESULT := CLOSE_IN_RANGE AND SELECTOR1 AND SELECTOR2;
其中，CLOSE代表收盘价，BOLL(2, 20)代表Bollinger Bands中的upper值，BOLL(0, 20)代表Bollinger Bands中的mid值。
Python代码参考
以下是Python实现该选股策略的选股逻辑：
# 计算指标
amplitude = (high - low) / close.shift(1)
selector1 = amplitude > 0.01
selector2 = close < 20
upper, mid, lower = talib.BBANDS(close.values, timeperiod=20, nbdevup=2, nbdevdn=2, matype=0)
close_in_range = (close > lower) & (close <= upper)
selected_stocks = selector1 & selector2 & close_in_range
# 综合选择
selected_stocks = pd.DataFrame({'code': code, 'selected': selected_stocks})
selected_stocks = selected_stocks[selected_stocks['selected']]
selected_stocks = selected_stocks.sort_values('volume', ascending=False)
selected_stocks.drop('volume', axis=1, inplace=True)
return selected_stocks['code'].tolist()
通过计算指标并进行综合选择，可以根据实际情况和投资策略进行相应的优化和改进。
## 如何进行量化策略实盘？
请把您优化好的选股语句放入文章最下面模板的选股语句中即可。
select_sentence = '市值小于100亿' #选股语句。
模板如何使用？
点击图标右上方的复制按钮，复制到自己的账户即可使用模板进行回测。
## 如果有任何问题请添加 下方的二维码进群提问。
